【华为OD机试真题】微服务的集成测试(python)100%通过率 超详细代码注释 代码优化

【华为OD机试真题 2022&2023】真题目录 @点这里@
【华为OD机试真题】信号发射和接收 &试读& @点这里@
【华为OD机试真题】租车骑绿道 &试读& @点这里@

微服务的集成测试

知识点深搜
时间限制:1s空间限制:256MB限定语言:不限

题目描述:

现在有n个容器服务,服务的启动可能有一定的依赖性(有些服务启动没有依赖), 其次服务自身启动加载会消耗一些时间。
给你一个nxn的二维矩阵useTime,其中 useTime[i][i]=10表示服务i自身启动 加载需要消耗10s,useTime[i][j]=1表示服务i启动依赖服务j启动完成,useTime[i][k]=0,表示服务i启动不依赖服务k
其实0<=i,j,k<n。服务之间启动没有循环依赖(不会出现环),若想对任意一 个服务i进行集成测试(服务自身也需要加载),求最少需要等待多少时间。

输入描述:

第一行输入服务总量n,之后的n行表示服务启动的依赖关系以及自身启动加载耗时 最后输入k表示计算需要等待多少时间后可以对服务k进行集成测试 其中1<=k<=n,1<=n<=100

输出描述:

最少需要等待多少时间(s)后可以对服务k进行集成测试

示例1

输入:

3
5 0 0
1 5 0
0 1 5
3

输出:

15

说明:

服务3启动依赖服务2,服务2启动依赖服务1,由于服务1,2,3自身加载需要消耗5s,所以 5+5+5=15,需等待15s后可以对服务3进行集成测试
在这里插入图片描述

示例2

输入:

3
5 0 0
1 10 1
1 0 11
2

输出:

26

说明:

服务2启动依赖服务1和服务3,服务3启动需要依赖服务1,服务1.2,3自身加载需要消耗5s, 10s,11s,所以5+10+11=26s,需等待26s后可以对服务2进行集成测试
在这里插入图片描述

示例3

输入:

4
2 0 0 0
0 3 0 0
1 1 4 0
1 1 1 5
4

输出:

12

说明:

服务3启动依赖服务1和服务2,服务4启动需要依赖服务1,2,3,服务1,2,3,4自身加载需要消耗 2s,3s,4s,5s,所以3+4+5=12s(因为服务1和服务2可以同时启动),需等待12s后可以对服务4 进行集成测试
在这里插入图片描述

示例4

输入:

5
1 0 0 0 0
0 2 0 0 0
1 1 3 0 0
1 1 0 4 0
0 0 1 1 5
5

输出:

11

说明:

服务3启动依赖服务1和服务2,服务4启动需要依赖服务1,2,服务5启动需要依赖服务3,5,服务 1,2,3,4,5自身加载需要消耗1s,2s,3s,4s,5s,所以2+4+5=11s(因为服务1和服务2可以同时启 动,服务3和服务4可以同时启动),需等待11s后可以对服务5进行集成测试
在这里插入图片描述

解题思路:

通过回溯的方法获取最终启动的服务所依赖的所有服务的启动的时间。
这道题比较难,正确率只有8%。
如示例3:

4
2 0 0 0
0 3 0 0
1 1 4 0 
1 1 1 5
4

首先遍历第四行,index=3,times3={}
当I=0时,ints[3][0]==1,依赖服务1,times0={};
遍历第一行,因为不依赖其他服务,所以最终time0={},返回0+2;
当I=1时,ints[3][1]==1,依赖服务2,times1={};
遍历第二行,因为不依赖其他服务,所以最终time1={},返回0+3;
当I=2时,ints[3][2]==1,依赖服务3,times2={};
遍历第三行,因为服务1和服务2,所以最终time2={2,3},取其中最大值3,返回3+4=7;
遍历完成,最终times3={2,3,7},取其中最大值7,返回7+5=12;
最终结果12。

扫描二维码关注公众号,回复: 15365968 查看本文章

python代码:

ints = []  # 定义一个空列表,用于存储输入的矩阵

def handle(k):
    times = []  # 定义一个空列表,用于存储从当前节点到叶子节点的最长路径
    for i in range(len(ints)):
        if k != i and ints[k][i] == 1:  # 如果当前节点与下一个节点相邻且未被访问过
            times.append(handle(i))  # 递归调用 handle 函数,将返回值添加到 times 列表中
    max_time = 0  # 定义一个变量,用于存储从当前节点到叶子节点的最长路径
    for time in times:
        max_time = max(max_time, time)  # 找到 times 列表中的最大值
    return max_time + ints[k][k]  # 返回从当前节点到叶子节点的最长路径加上当前节点的值

if __name__ == '__main__':
    n = int(input())  # 输入矩阵的大小
    for i in range(n):
        ints.append(list(map(int, input().split())))  # 输入矩阵的每一行,并将其转换为整数列表
    k = int(input())  # 输入起始节点的编号
    print(handle(k - 1))  # 调用 handle 函数,并输出结果

猜你喜欢

转载自blog.csdn.net/weixin_45541762/article/details/130911015